dc.creator |
ARANTES, José Geraldo |
|
dc.date.issued |
2005-12-15 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2559 |
|
dc.description.abstract |
Substation Equipments that use insulation oil for isolate their internal parts
needs a periodic maintenance program to detect possible fails like cellulose
deterioration of coils insulation, short circuit between their springs, dissolved gas in
oil caused by its deterioration, etc. Actually, preventive maintenance programs have
been used by generation, transmission and distribution companies, as a fundamental
tool to identify incipient faults, trying to avoid that these faults come to take away the
equipment from electrical system, carrying out great financial losses caused by
decreasing invoicing, payment of fines to regulatory agency or by decreasing of
system reliability. Trying to avoid these inconvenient, on-line sensors and intelligent
artificial (IA) techniques has been found application on electrical system engineering.
This dissertation is a study of one of these techniques – gas chromatography
associated with neural networks – looking to support presents and futures fault
diagnosis based on results from chromatography by the analysis of dissolved
insulation oil gases during the useful power transformer life, avoiding this way the
inconvenient related above, making easy the decision of engineers and technicians
about the predictive maintenance of these equipment and also serving as a base for
the on-line sensors actuation diagnosis if installed on these allowing yet an estimated
old age degree and so the useful age of transformer. Techniques like that from this
study may be associated with other IA tools like fuzzy logic, genetic algorithms,
expert system and others, consisting the system called hybrid, attempted to get the
best solution for the problem. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Transformadores de potência |
pt_BR |
dc.subject |
Diagnóstico de falhas |
pt_BR |
dc.subject |
DGA |
pt_BR |
dc.subject |
Redes neurais |
pt_BR |
dc.title |
Diagnóstico de falhas em transformadores de potência pela análise de gases dissolvidos em óleo isolante através de redes neurais |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2021-11-12 |
|
dc.date.available |
2021-11-12T12:31:24Z |
|
dc.date.accessioned |
2021-11-12T12:31:24Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/8268835557971408 |
pt_BR |
dc.contributor.advisor1 |
BORTONI, Edson da Costa |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/0936619055402651 |
pt_BR |
dc.contributor.advisor-co1 |
TORRES, Germano Lambert |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/1173620785883814 |
pt_BR |
dc.description.resumo |
Equipamentos de Subestação que utilizam o óleo isolante para a isolação de
suas partes internas necessitam de um programa de manutenção periódico que visa
detectar possíveis falhas tais como a deterioração da celulose do isolamento dos
enrolamentos, curto circuito entre espiras destes, gases dissolvidos no óleo devido a
sua degeneração, etc. Normalmente, programas de manutenção preventiva têm sido
utilizados por empresas de geração, transmissão e distribuição de energia elétrica
buscando evitar que estas falhas venham a provocar a retirada do equipamento do
sistema elétrico o que significa grandes perdas financeiras, seja pela diminuição do
faturamento, seja pelo pagamento de multas à agência reguladora, além da
diminuição da confiabilidade do sistema. Para evitar estes inconvenientes, sensores
on-line e técnicas de inteligência artificial (IA) têm encontrado aplicação na
engenharia de sistemas elétricos.
Esta dissertação é um estudo de uma dessas técnicas – cromatografia de
gases associada a redes neurais – visando apoiar o diagnóstico de falhas presentes
e futuras baseando-se nos resultados obtidos através de cromatografia pela análise
de gases dissolvidos em óleo isolante ao longo da vida útil dos transformadores de
potência, prevenindo desta forma os inconvenientes acima relatados, facilitando
assim a decisão de técnicos e engenheiros de manutenção para a manutenção
preditiva daqueles equipamentos servindo também de base para o diagnóstico da atuação de sensores on-line se instalados naqueles, permitindo ainda uma
estimativa do grau de envelhecimento e, portanto da vida útil do transformador.
Técnicas como estas do estudo podem ser associadas a outras ferramentas de IA
como a lógica fuzzy, algoritmos genéticos, sistemas especialistas e outras,
constituindo assim os sistemas chamados híbridos, na tentativa de se obter a melhor
solução para o problema. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IEM - Instituto de Engenharia Mecânica |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Engenharia de Energia |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA MECÂNICA::ENGENHARIA DE ENERGIA |
pt_BR |
dc.relation.references |
ARANTES, José Geraldo. Diagnóstico de falhas em transformadores de potência pela análise de gases dissolvidos em óleo isolante através de redes neurais. 2005. 115 f. Dissertação (Mestrado em Engenharia de Energia) – Universidade Federal de Itajubá, Itajubá, 2005. |
pt_BR |